Den här artikeln förklarar hur man konverterar skannade PDF till Word med Python. Den kommer att ge detaljer om hur man ställer in IDE:n för utveckling, en lista med steg och exempel på kod för att konvertera skannad PDF till Word-dokument med Python. Kodförbättringar kommer också att diskuteras i slutet av artikeln för att generera anpassad utdata.
Steg för att konvertera skannad PDF till Word-dokument med Python
- Ställ in miljön för att använda Aspose.Total for Python via .NET för OCR- och Words-produkter
- Skapa och konfigurera en OCR engine för att läsa engelsk text från textområdet i en PDF‑sida
- Ladda den skannade PDF‑filen i OCR‑motorn
- Kör textigenkänningsprocessen för att extrahera text från varje sida
- Skapa en ny tom Word‑fil med klassen aspose.words.Document och länka med en byggare
- Iterera genom varje sidas extraherade text från PDF-filen
- Skriv varje text i Word-filen
- Spara Word-filen
Dessa steg beskriver hur man omvandlar skannad PDF till Word med Python. Importera de önskade modulerna från Aspose‑biblioteket, ange in‑ och utdatafilnamnen, skapa OCR‑motorn, konfigurera den för att läsa engelsk text från automatiskt upptäckta textområden och lägg till en eller flera PDF‑filer för detektering. Kör igenkänningsprocessen för att hämta text från PDF‑filen, spara resultatet i en lista, skapa en tom Word‑fil med en builder och lägg till den upptäckta texten från listan i Word‑filen.
Kod för att konvertera skannad PDF‑fil till Word med Python
Den här koden visar hur man ändrar skannad PDF till Word med Python. Du kan ställa in detekteringsläget enligt formatet på den faktiska layouten, till exempel tabellorienterat för bättre områdesdetektering. För att förbättra teckengenauheten, slå på uppskalning av teckensnitten för att upptäcka liten eller tät text.
Den här artikeln förklarar hur man använder OCR på en PDF och sparar den resulterande texten i en Word‑fil. För att extrahera en tabell från en PDF‑fil och spara den i en Excel‑fil, se artikeln Extrahera en tabell från PDF till Excel med Python.
